WO2021005006A2 - Verfahren und systeme zum steuern aktiver prothesen - Google Patents

Verfahren und systeme zum steuern aktiver prothesen Download PDF

Info

Publication number
WO2021005006A2
WO2021005006A2 PCT/EP2020/069006 EP2020069006W WO2021005006A2 WO 2021005006 A2 WO2021005006 A2 WO 2021005006A2 EP 2020069006 W EP2020069006 W EP 2020069006W WO 2021005006 A2 WO2021005006 A2 WO 2021005006A2
Authority
WO
WIPO (PCT)
Prior art keywords
prosthesis
data
movement
thigh
active
Prior art date
Application number
PCT/EP2020/069006
Other languages
English (en)
French (fr)
Other versions
WO2021005006A3 (de
Inventor
Sharmita DEY
Mahdy ESLAMY
Arndt SCHILLING
Original Assignee
Georg-August-Universität Göttingen Stiftung Öffentlichen Rechts, Universitätsmedizin
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Georg-August-Universität Göttingen Stiftung Öffentlichen Rechts, Universitätsmedizin filed Critical Georg-August-Universität Göttingen Stiftung Öffentlichen Rechts, Universitätsmedizin
Publication of WO2021005006A2 publication Critical patent/WO2021005006A2/de
Publication of WO2021005006A3 publication Critical patent/WO2021005006A3/de

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
    • A61F2/00—Filters implantable into blood vessels; Prostheses, i.e. artificial substitutes or replacements for parts of the body; Appliances for connecting them with the body; Devices providing patency to, or preventing collapsing of, tubular structures of the body, e.g. stents
    • A61F2/50—Prostheses not implantable in the body
    • A61F2/68—Operating or control means
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
    • A61F2/00—Filters implantable into blood vessels; Prostheses, i.e. artificial substitutes or replacements for parts of the body; Appliances for connecting them with the body; Devices providing patency to, or preventing collapsing of, tubular structures of the body, e.g. stents
    • A61F2/50—Prostheses not implantable in the body
    • A61F2/60—Artificial legs or feet or parts thereof
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
    • A61F2/00—Filters implantable into blood vessels; Prostheses, i.e. artificial substitutes or replacements for parts of the body; Appliances for connecting them with the body; Devices providing patency to, or preventing collapsing of, tubular structures of the body, e.g. stents
    • A61F2/50—Prostheses not implantable in the body
    • A61F2/68—Operating or control means
    • A61F2/70—Operating or control means electrical
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
    • A61F2/00—Filters implantable into blood vessels; Prostheses, i.e. artificial substitutes or replacements for parts of the body; Appliances for connecting them with the body; Devices providing patency to, or preventing collapsing of, tubular structures of the body, e.g. stents
    • A61F2/50—Prostheses not implantable in the body
    • A61F2/68—Operating or control means
    • A61F2/70—Operating or control means electrical
    • A61F2002/704—Operating or control means electrical computer-controlled, e.g. robotic control

Definitions

  • the invention relates to methods and systems for controlling active prostheses and in particular for controlling active knee and ankle prostheses.
  • the movements and in particular the gait of healthy people are the result of a complex interaction between, in particular, the brain, the spinal cord, peripheral nerves, leg joints, muscles and bones.
  • active prostheses have recently been developed for both the knee and ankle joints.
  • An active prosthesis has a motor and a motor control that move the knee and ankle (actively).
  • synergy is essential for achieving the most natural gait possible for a prosthesis wearer. So that the surfaces in (natural) menschli ⁇ gear coupling given in the movement of the components of the lower extremities is known, that in particular the coupling in the movement of thigh and knee and the coupling in the movement of the lower leg and ankle (ankle).
  • the synergy allows, for example, from a loading ⁇ thigh movement, a movement of the lower leg and the knee ERS ⁇ conduct.
  • a main challenge in the control of active prostheses is to control the motor acting on the prosthesis in such a way that the prosthesis movement is adapted as far as possible to the type of movement of the prosthesis wearer, in particular to the gait speed and the type of gait.
  • echo control is known (D. Grimes, W. Flowers, and M. Donath, “Feasibility of an active control scheme for above knee prostheses.” Journal of Biomechanical Engineering, vol 99, no. 4, pp. 215-221 , 1977). With echo the movement path of the intact leg on the amputated side is simulated taking into account the necessary time shifts between the movements on the two sides.
  • US 2016 242 936 A1 describes an active (that is, motorized) lower leg prosthesis with sensors for real-time measurement of mechanical parameters and with a higher-order controller in order to derive commands for controlling the prosthesis from the data of the real-time measurements.
  • a system is described in which several parameters for controlling a prosthesis are measured in real time. Table data is used to determine whether the movement can be assigned to a specific gait phase. Commands for adjusting the movement can be read from a table. In the event of deviations from a certain optimal gait, the movement of the prosthesis is either corrected or training can be carried out on the basis of so-called artificial intelligence, for which a so-called support vector method (SVM; Support Vector Machine) is used.
  • SVM support vector method
  • the support vector method (SVM) is a method that is generally known and used in the field of machine learning, see, for example, C. Cortes and V. Vapnik, "Support-vector networks," in Machine Learning, 1995, pp. 273-297.
  • the invention is based on the object of providing methods and systems for controlling active prostheses, in particular knee and ankle prostheses, which enable the most natural possible movement or the most natural gait possible with the least possible equipment and programming effort.
  • the invention teaches a method for controlling an active prosthesis which interacts with an at least partially intact body part, comprising the following steps: a) Obtaining empirical data which are representative of relationships between a movement of the intact body part and a movement replaced by the prosthesis Body part in healthy people who have not been fitted with the prosthesis for several speeds of movement;
  • step c) controlling in real time the active prosthesis on the basis of nenen in step a) Won ⁇ empirical data.
  • step d) controlling in real time the active knee prosthesis on the basis of data obtained according to step a) and in step c) obtained Ganggeschwindig ⁇ resistance and transition percentages.
  • a system for controlling an active knee prosthesis has: al) a memory containing empirically obtained synergy data which, for a non-amputee, contains a relationship between movements of the thigh and the knee for several walking speeds; bl) a device which can be attached to the thigh of the wearer of the knee prosthesis and is designed to obtain movement data relating to the thigh; cl) computer units, programmed to derive a gait speed and the position in the gait cycle, in particular gait percentages, assigned to the movement data obtained, dl) a motor and a motor controller set up to set a motor position and thus a knee prosthesis position; and
  • the method or system according to the invention is furthermore preferably characterized in that the mentioned movement data contain the thigh angle and / or the thigh angular velocity.
  • the best results in terms of the above tasks are achieved if both the thigh angle and the thigh angular velocity are measured and these two parameters are used as the basis for controlling the active knee prosthesis, preferably as the only parameters.
  • knee prosthesis in this description and in the claims relates in particular to an amputation above the knee.
  • prosthesis in this description and in the claims in particular also includes an “orthosis” and an “exoskeleton”.
  • control also includes, in particular, a “regulation”.
  • IMU inertial measurement unit
  • a variable assigned to the position in the gait cycle is derived from the measured thigh angle.
  • This is preferably a so-called gait percentage, ie the step is divided into 100 parts, starting with the first contact with the heel and ending with the subsequent contact with the heel.
  • gait percentage ie the step is divided into 100 parts, starting with the first contact with the heel and ending with the subsequent contact with the heel.
  • This integration may not accurately reflect the transition percentages what the result of all ⁇ the results according to the invention achieved recently not significantly interfere was because empirically verified that between the integral of the thigh angle and the transition percent, there is a pseudo-linear relationship, similar to an identity function.
  • the method and system according to the invention preferably work with a superordinate control (HLC) which: e) receives the movement data relating to the thigh obtained in step b);
  • the gait speed is determined in accordance with step c);
  • g derives a variable assigned to the position in the gait cycle, in particular a gait percentage, from the thigh angle;
  • step h) according to the speed determined in step f) and the in
  • the walking speed is preferably derived using a support vector method (SVM).
  • SVM support vector method
  • HLC higher-level control
  • SVM support vector method
  • the invention also teaches a method and system for controlling an active ankle prosthesis. Movement data relating to the lower leg of the ankle amputee while walking is obtained. For this, the IMU on the lower leg of the ankle amputees is attached and it is the lower leg ⁇ angle and / or the lower leg angular velocity, preferably both, measure ⁇ ge. The data processing of these measurements takes place with regard to the ankle joint prosthesis then in the same way as described above with reference to the knee prosthesis. All of the properties and features described above and below with regard to the knee prosthesis apply analogously (mutatis mutandis) to the ankle joint prosthesis and vice versa.
  • the invention can also be used with a prosthesis that replaces the knee and ankle joint (transtibal prosthesis).
  • Another variant of the invention relates to methods and systems for controlling an active ankle joint prosthesis using a neural network.
  • Neural networks are well known as such in the control of prostheses. Such networks are learned (“trained”) with the help of what is known as “supervised” learning. So-called feedback neural networks (FFANN) (Feed Forward Artificial Neural Network) are used here.
  • FFANN Feedback Forward Artificial Neural Network
  • this variant including ⁇ constitutes the invention, a method for controlling an active steering forge prosthesis, which cooperates with the thigh of the leg in question as the partially intact body part.
  • the neural network is trained (to be ⁇ learn) that are not amputated obtained by one or more people based on empirical data (so no ankle prosthesis wearing). These data relate in particular to the angle and / or the angular velocity of the thigh and the so-called linear movement of the thigh.
  • the linear movement of the thigh has two components, one component in the direction of the horizontal (X-axis) and one component in the direction of the vertical (Y-axis).
  • the rotation (the angle) is measured around the Z-axis, which is perpendicular to the two axes mentioned.
  • ⁇ len be entered as part of the training of the neural network with non-amputees data obtained that represent in particular the angle and the linear movement of the thigh.
  • the neural network On the expenditure side ⁇ the neural network are obtained data that theticiange steering prosthesis is controlled directly.
  • These last-mentioned data contain the angle and the torque (the force) according to which the active ankle prosthesis is controlled directly by the neural network.
  • the neural network is part of the active ankle prosthesis.
  • the neural network is trained on the basis of an extensive set of empirical data obtained with test subjects.
  • the empirical data combine measured values with regard to the angle and linear movement of the thigh angle of the test person or the majority of test persons with measured values relating to the angle and torque of the ankle.
  • an average value can be used.
  • the neural network is trained with data coming from different types of locomotion ⁇ , such as walking, stair climbing and descending.
  • locomotion ⁇ such as walking, stair climbing and descending.
  • the method there is no need to classify the modes of transport, and there is also no need for any classification within a mode of transport. For example, no classification with regard to the gait percentages and also with regard to the gait speeds. Rather, it has been shown that training the neural network on the basis of (a) "normal" walking speeds is sufficient. The algorithm can then be scaled to faster gaits with satisfactory results.
  • the requirement for a certain ankle prosthesis neural network is only once trained (training), for example, when Fiersteller, and then the patien ⁇ th operational without further training measures.
  • the neural network ie, in particular with respect to angular and linear movement sets the acquired with the sensor on the thigh of the patient data directly in real time in the featuringgelenkpro ⁇ synthesis movement about, steering prosthesis so under control of angle and torque of the preparedge.
  • half of the data sets obtained with healthy test persons can be used to learn the neural network and the other half can be used to test the learning status of the neural network.
  • a hyperbolic tangent function has proven to be well suited as an activation function for the neurons in the (for example three) layers.
  • FIG. 1 schematically explains a method and system for controlling an active knee prosthesis.
  • FIG. 2 shows the gear percentages on the abscissa (X-axis) and on the ordinate
  • FIG. 3 shows the percentage rate on the abscissa and the rate on the ordinate
  • Thigh angle (degrees) measured from the horizontal.
  • Figure 4 shows on the abscissa the gear percentages and on the ordinate the jewei ⁇ time engine positions (in mm, corresponding to an actuator of the Mo tors).
  • Figure 5 illustrates schematically a method and a system for controlling an active prosthetic ankle device, wherein the Figure 1 components corresponding compo ⁇ and features are shown with like reference numerals and supplement the grain.
  • Figure 6 shows on the abscissa the gear percentages and on the ordinate the Un ⁇ terschenkelwinkel Ober (degree / sec.).
  • Figure 7 shows on the abscissa the gear percentages and on the ordinate the Un ⁇ terschenkelwinkel (degrees).
  • Figure 8 shows on the abscissa the gear percentages and on the ordinate the Mo ⁇ door positions (m).
  • knee prosthesis 10 serves to explain the method and the system for controlling an active, that is to say motor-operated knee prosthesis.
  • the mechanical structure of such knee prostheses is known as such in the prior art, so that the knee prosthesis 10 can be shown here schematically with a thigh 12, a knee joint 14, a lower leg 16 and with an ankle joint 18.
  • a motor controller 20 controls, via control signals 20a, a motor 22 which adjusts the active prosthesis, ie the artificial limbs, via the positions of an actuator controlled by the motor.
  • Kinematic signals 24 relating to the motor are input into motor control 20 in a manner known per se.
  • the arrangement according to FIG. 1 is divided into a higher-level controller HLC (A) and a lower-level controller (B).
  • the higher-level controller HLC supplies signals 26 relating to the motor position to be set.
  • Flierzu is for the control of the prosthetic knee to the thigh 12 of the Prothesenträ ⁇ gers a sensor; attached 28 the thigh angle with respect to the Florizontale or the thigh angular velocity in a conventional manner, preferably, both determined (IMU inertial measurement sensor unit).
  • These knives ⁇ results of are generally referred to herein as movement data, the top thigh angle is labeled Q and the thigh angular velocity is the first derivative of Q.
  • the movement data 30 are input into a signal processing unit 32 which inputs the processed movement data, for example thigh angle and thigh angular speed, into a computing unit 34 which determines the walking speed. Details of Ganggeschwin ⁇ dtechnikshim are described in more detail below.
  • the system also contains a computer unit 36 for determining the gait percentages.
  • the signals 30a relating to the thigh angle are entered into a computer unit 36 for determining a variable corresponding to the position in the gait cycle, here the gait percentage. As explained above, this is done by integrating the thigh angle.
  • a computer unit 38 calculates the above-mentioned command signals 26 for the engine ⁇ controller 20 on the basis of stored data synergy (see below), the gear speed and the respectively obtained transition propeles.
  • the synergy data establish the relationship between the (natural) movement of the individual limbs and joints when walking. Therefore who the synergy data obtained here on the basis of the examination of the gait of a healthy person ("test person").
  • a fundamental parameter for controlling active prostheses is the respective speed, in this case the walking speed. It therefore selects a plurality of gear speeds out ⁇ with which the test person named is where the thigh angle and thigh angular velocity as a function of the aisle percentage he ⁇ averages are 2 and 3.
  • the five gear speeds namely 0, 6; 0.9; 1.2; 1.4; and 1.6 m / s when walking on the flat.
  • the values of the ordinates in FIGS. 2, 3 and 4 are obtained directly from a sensor on the test person's leg. The values do not have to reflect actual thigh angles or thigh angle velocities, however this is not a problem here.
  • the higher-level control (HLC) does not depend on the actual meaning of the measurement data entered. Rather, the input only needs to be specific to the respective type of movement. Cover the rela tionships between the transition percentages and the thigh angle or the upper kelwinkel horr's according to 2 and 3 thus empirically won th ⁇ be nen by measurements on the natural course of one or more persons not th amputier the figures. Average values can be used as a basis for measurements on several people. In addition to the sensors (IMU) mentioned, force measuring units and cameras with image processing can also be used for the measurements.
  • the motor positions to be assigned to the individual gear percentages, according to which the motor controller 20 controls the motor 22, are also used for the five speeds mentioned of 0.6; 0.9; 1.2; 1.4 and 1.6 m / s determined empirically.
  • the desired Motorpo ⁇ be calculated sitions of the ankle in an active prosthetics based on the angle and torque for each speed and each transition percent. This is done on the basis of the geometry of a prosthesis and its rigidity (Fig. 1 and Fig. 2-C).
  • Seyfarth "A Comparison of Parallel and Series elastic Elements in an Actuator for Mimicking human Ankle Joint in Walking and Running," In IEEE Int'l Conf. Robo. Auto., 2012, pp. 2463-2470; M. Eslamy, M. Grimmer, and A. Seyfarth, "Effects of unidirectional parallel Springs on required Peak Power and Energy in powered prosthetic Ankies: Comparison between different active actuation concepts," IEEE Int'l Conf. on Robo. Biomim., Pp. 2406-2412, 2012].
  • the support vector method serves for this purpose, which is well known as such in the prior art, see the literature cited at the beginning.
  • This is a supervised machine learning process in which a set of training inputs is used for the learning process.
  • the performance of the generated support vector method can then be checked by entering so-called test values.
  • test values In the present case, for example, 50% of the synergy data obtained as explained above are used for the training process.
  • the remaining synergy data can then be used for testing.
  • the support vector method is used to classify (differentiate) measurement data, in the present case to differentiate between speeds, i.e. the assignment of measured parameters, here the thigh angle and / or the thigh angle speed, to specific gait speeds.
  • sensor 28 measures thigh angle and / or thigh angular speed and from this movement data one of several gait speeds is assigned to the gait using the support vector method (SVM), here one of the five gait speeds
  • SVM support vector method
  • FIG. 5 illustrates a method and system for controlling an ankle prosthesis 10 '.
  • the method and system relating to the ankle prosthesis essentially correspond to the method and system described above for controlling a knee prosthesis, the sensor (IMU) 28 'now being attached to the lower leg 16 rather than the thigh 12.
  • the lower leg angle and / or the Unterschenkelwin ⁇ kel aus Q will take thigh angle or Oberschenkelwin ⁇ kel technically measured 0a and inputted corresponding transaction data 30 'in the signal conditioning 32'.
  • the lower leg angle relative to the horizontal is entered according to the movement data 30a 'in the computing unit 36' for calculating the Gear percentages are entered, analogous to the above calculation of the gear percentages by the arithmetic unit 36.
  • the arithmetic unit 34 'one of the five mentioned gear speeds is determined with the support vector method (SVM).
  • SVM support vector method
  • FIG. 6 the lower leg angular velocities are plotted over the gait percentages and in FIG. 7 the lower leg angles are plotted against the horizontal line over the gait percentages.
  • Fig. 8 shows analogously to Fig. 4, the motor positions for setting the ankle prosthesis for the five different Ganggeschwindig speeds as a function of the gait percentages.
  • a according to a variant of the invention (claims 17 to 20), a suitably designed with a, in particular single sensor on the thigh of the patient ge ⁇ controls using a neural network.
  • a sensor is not attached to the lower leg, but to the thigh of the wearer of the prosthesis.
  • the neural network is part of a higher-level control system (HLC) and delivers control commands in real time for activating the motor of the ankle prosthesis.
  • HLC higher-level control system
  • the neural network is established in a manner known per se through feedback and minimization of errors trained with training data sets, wherein the weighting factors are optimized within the artificial neural network iteratively until the result is satis ⁇ tory.
  • the higher-level control (HLC) with the neural network uses the sensor data relating to the angle and linear movement of the healthy thigh in order to recognize the gait the patient is aiming for, without the need for a subdivision (classification) with regard to gait, climbing, descending stairs, etc.
  • the prosthetic ankle angle and the prosthetic ankle torque are continuously estimated by the trained neural network (FFANN).
  • FFANN trained neural network
  • the methods and instruments for measuring the relationship between the thigh sensor data and the data relating to the angle and torque in the ankle of the test person, that is to say in particular of the healthy test person, are known as such in the prior art.
  • markers can be attached to the test subject.
  • Three-dimensional motion pictures can be recorded.
  • the VICON Nexus 3D Motion Capture System can be used.
  • the forces and in particular the ground forces can be determined with known force sensors.
  • the software system "Opensim" can be used for the analysis of the biomechanical data and the determinations of the kinematics (SL Delp, FC Anderson, AS Arnold, P. Loan, A. Habib, D. John, E. Gundelmann, and DG Thelen, "Opensim; Open Source Software to Create and Analyze Dynamic Simulations of Movement").

Landscapes

  • Health & Medical Sciences (AREA)
  • Transplantation (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Cardiology (AREA)
  • Vascular Medicine (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Prostheses (AREA)

Abstract

Beschrieben werden Verfahren und Systeme zum Steuern von aktiven Prothesen. Für den besonderen Anwendungsfall aktiver Knie- bzw. Fußgelenkprothesen ist vorgesehen: - Gewinnen von empirischen Synergiedaten, welche für einen nicht amputierte Menschen eine Beziehung zwischen einer Bewegung des Oberschenkels bzw. des Unterschenkels und der des Knies bzw. des Fußgelenks für mehrere Ganggeschwindigkeiten beinhalten; - Gewinnen von Bewegungsdaten bezüglich des Oberschenkels des Knieamputierten beim Gehen bzw. bezüglich des Unterschenkels des Fußgelenkamputierten beim Gehen; - Ableiten einer Ganggeschwindigkeit aus den gewonnenen Bewegungsdaten; und - Steuern der aktiven Knieprothese bzw. der aktiven Fußgelenkprothese auf Basis der gewonnenen Synergiedaten und der gewonnenen Ganggeschwindigkeit. Weiterhin wird ein Verfahren und System beschrieben zur Steuerung einer Fußgelenkprothese unter Einsatz eines neuronalen Netzwerkes und eines Sensors am Oberschenkel des Prothesenträgers.

Description

Verfahren und Systeme zum Steuern aktiver Prothesen HINTERGRUND DER ERFINDUNG
1. Gebiet der Erfindung
Die Erfindung betrifft Verfahren und Systeme zum Steuern aktiver Prothesen und insbesondere zum Steuern von aktiven Knie- und Fußgelenkprothesen.
2. Allgemeines und zum Stand der Technik
Die Bewegungen und insbesondere der Gang des gesunden Menschen sind das Er gebnis eines komplexen Zusammenwirkens zwischen insbesondere dem Gehirn, dem Rückenmark, peripheren Nerven, Beingelenken, Muskeln und Knochen. Um den na türlichen Gang möglichst gut nachzuahmen, wurden in jüngerer Zeit sogenannte aktive Prothesen sowohl für das Kniegelenk als auch für das Fußgelenk entwickelt. Eine aktive Prothese hat einen Motor und eine Motorsteuerung, welche das Knie- bzw. das Fußgelenk (aktiv) bewegen.
Wesentlich für das Erreichen eines möglichst natürlichen Ganges durch einen Prothe senträger ist die sogenannte Synergie. Damit wird die beim (natürlichen) menschli¬ chen Gang gegebene Koppelung in der Bewegung der Komponenten der unteren Extremitäten bezeichnet, also insbesondere die Koppelung in der Bewegung von Oberschenkel und Knie und die Koppelung in der Bewegung von Unterschenkel und Fußgelenk (Sprunggelenk). Die Synergie ermöglicht es beispielsweise, aus einer Be¬ wegung des Oberschenkels eine Bewegung des Unterschenkels bzw. des Knies abzu¬ leiten.
Eine Hauptherausforderung bei der Steuerung aktiver Prothesen ist eine Steuerung des die Prothese beaufschlagenden Motors derart, dass die Prothesenbewegung möglichst angepasst ist an die Art der Bewegung des Prothesenträgers, insbesondere an die Ganggeschwindigkeit und den Typ des Ganges.
Bekannt ist beispielsweise die sogenannte Echosteuerung (D. Grimes, W. Flowers, and M. Donath, "Feasibility of an active control scheme for above knee prostheses." Journal of Biomechanical Engineering, vol 99, no. 4, pp. 215-221, 1977). Beim Echo- verfahren wird die Bewegungsbahn des intakten Beines auf der amputierten Seite nachgebildet unter Berücksichtigung erforderlicher Zeitverschiebungen zwischen den Bewegungen auf den beiden Seiten.
Ein anderer Ansatz im Stand der Technik (F. Sup, H. A. Varol, J. Mitchell, T. Withrow, and M. Goldfarb, "Design and control of an active electrical knee and ankle prosthe- sis." in IEEE RAS & EMBS International Conference on Biomedical Robotics and Bio- mechatronics (BioRob), 2008, pp. 523-528) steuert eine aktive Kniegelenkprothese derart, dass ein Schritt aufgeteilt wird in verschiedene Sektionen (mittels sogenann¬ ter Zustandsmaschinen), entsprechend dem Kniegelenkwinkel und der Geschwindig¬ keit. Die Steuerung des Motors basiert dann auf vorgegebenen sogenannten Schalt regeln zur Steuerung der Prothese beim Gehen. Dieses Verfahren sowie auch weitere im Stand der Technik bekannte Verfahren sind sogenannte diskrete Verfahren, bei welchen der Gangzyklus in verschiedene Zustände unterteilt wird (zum Beispiel vier verschiedene Moden ("Fine States")). Kennzeichnend für diesen Stand der Technik ist der Einsatz sogenannter Schaltregeln ("Switching Rules"), womit eine Definition von Parametern bezeichnet wird, die bestimmend sind für die Abgabe von Befehlen für den nächsten Teilschritt. Neben derartigen diskreten Verfahren kennt der Stand der Technik auch eine sogenannte kontinuierliche, auf Echtzeitberechnung basierende, übergeordnete Steuerung (HLC, High Level Controller), siehe D. Quintero, D. J. Villar- real, D. J. Lambert, S. Kapp, and R. D. Gregg, "Continuous-phase control of a powe- red knee-ankle prosthesis: Amputee experiments across speeds and inclines," IEEE Transactions on Robotics, 2018.
In der US 2004 049 290 Al wird eine Echtzeitanalyse für eine aktive Prothese be¬ schrieben. Es werden mindestens drei Parameter gemessen und die Position im Gangzyklus und die derzeitige Stellung der Prothese werden definiert. Mit den ge¬ messenen Parametern wird versucht, die jeweils vorliegende Situation zu erfassen und aus einer Tabelle werden Daten für die Steuerung der Prothese entnommen (LUT). Es wird eine übergeordnete Steuerung (High Level Controller, HLC) einge¬ setzt.
Die US 2016 242 936 Al beschreibt eine aktive (also motorisierte) Beinprothese mit Sensoren zur Echtzeitmessung mechanischer Parameter und mit einer übergeordne ten Steuerung, um aus den Daten der Echtzeitmessungen Befehle für die Ansteue rung der Prothese abzuleiten. Auch beim Stand der Technik gemäß der US 2018 168 477 Al wird ein System be schrieben, bei dem mehrere Parameter für die Ansteuerung einer Prothese in Echt zeit gemessen werden. Mit Tabellendaten wird ermittelt, ob die Bewegung einer bestimmten Gangphase zugeordnet werden kann. Aus einer Tabelle können Befehle für die Anpassung der Bewegung ausgelesen werden. Bei Abweichungen von einem bestimmten optimalen Gang wird die Bewegung der Prothese entweder korrigiert oder es kann ein Training auf Basis sogenannter künstlicher Intelligenz ausgeführt werden, wofür ein sogenanntes Stützvektorverfahren (SVM; Support Vector Machine) herangezogen wird. Das Stützvektorverfahren (SVM) ist ein im Bereich maschinellen Lernens allgemein bekanntes und eingesetztes Verfahren, siehe z.B. C. Cortes and V. Vapnik, "Support-vector networks," in Machine Learning, 1995, pp. 273-297.
Die DE 102 015 106 389 Al beschreibt ein Verfahren zur Steuerung eines künstlichen Kniegelenks mit Messung des Unterschenkelwinkels und der Unterschenkelwinkelge¬ schwindigkeit. Allerdings handelt es sich dabei um ein passives Steuerungssystem, also keine aktive Knieprothese. Vielmehr wird der Widerstand in einer hydraulischen Prothese eingestellt.
In der Veröffentlichung M. Eslamy und A. F. Schilling, "A conceptual high level Con troller to work with active foot prosthesis/orthosis", IEEE International Conference on Biomedical Robotics and Biomechatronics, 2018, wird ein Verfahren zur Ansteuerung einer aktiven Prothese mit einer übergeordneten Steuerung (HLC) beschrieben. Die Bewegung der motorisierten Prothese wird mit einer sogenannten Gaussian-Process- Regression (GPR) berechnet.
KURZBESCHREIBUNG DER ERFINDUNG
Der Erfindung liegt die Aufgabe zugrunde, Verfahren und Systeme zum Steuern von aktiven Prothesen, insbesondere Knie- und Fußgelenkprothesen, bereitzustellen, die mit möglichst geringem apparativen und programmtechni sehen Aufwand eine mög lichst natürliche Bewegung bzw. einen möglichst natürlichen Gang ermöglichen.
Insbesondere soll der Einsatz der oben erwähnten sogenannten Schaltregeln (Swit ching Rules) vermieden werden, die Berechnung der Motor-Ansteuerung vergleichs weise einfach sein und in Echtzeit geschehen sowie eine möglichst einfache Durch- schaubarkeit der Berechnungen erreicht werden, also eine gute Möglichkeit, die programmierte Steuerung hinsichtlich verbesserungswürdiger Merkmale des Ganges zu analysieren und zu korrigieren. Hierzu lehrt die Erfindung ein Verfahren zum Steuern einer aktiven Prothese, die mit einem zumindest teilweise intakten Körperteil zusammenwirkt, folgende Schritte aufweisend: a) Gewinnen von empirischen Daten, welche repräsentativ sind für Beziehungen zwischen einer Bewegung des intakten Körperteils und eines durch die Prothe se ersetzten Körperteils bei gesunden, nicht mit der Prothese versehenen Menschen für mehrere Bewegungsgeschwindigkeiten;
b) Gewinnen von Bewegungsdaten bezüglich des zumindest teilweise intakten Körperteils bei dessen Bewegung; und
c) Ansteuern in Echtzeit der aktiven Prothese auf Basis der in Schritt a) gewon¬ nenen empirischen Daten.
Bei Anwendung zur Steuerung einer aktiven Knieprothese werden diese Ziele erfin dungsgemäß erreicht durch ein Verfahren mit folgenden Schritten: a) Gewinnen von empirischen Daten, welche für einen nicht amputierten Men schen eine Beziehung zwischen einer Bewegung des Oberschenkels und der des Knies für mehrere Ganggeschwindigkeiten beinhalten;
b) Gewinnen von Bewegungsdaten bezüglich des Oberschenkels des Knieampu tierten beim Gehen;
c) simultanes Ableiten von Ganggeschwindigkeit und Gangprozenten aus den in Schritt b) gewonnenen Bewegungsdaten; und
d) Ansteuern in Echtzeit der aktiven Knieprothese auf Basis der gemäß Schritt a) gewonnenen Daten und der gemäß Schritt c) gewonnenen Ganggeschwindig¬ keit und Gang Prozente.
Ein erfindungsgemäßes System zum Steuern einer aktiven Knieprothese weist auf: al) einen Speicher, enthaltend empirisch gewonnene Synergiedaten, welche für einen nicht amputierten Menschen eine Beziehung zwischen Bewegungen des Oberschenkels und des Knies für mehrere Ganggeschwindigkeiten beinhalten; bl) eine Einrichtung, anbringbar am Oberschenkel des Trägers der Knieprothese und eingerichtet, Bewegungsdaten bezüglich des Oberschenkels zu gewinnen; cl) Rechnereinheiten, programmiert, aus den gewonnenen Bewegungsdaten eine Ganggeschwindigkeit und der Position im Gangzyklus zugeordnete Größen, insbesondere Gangprozente, abzuleiten, dl) einen Motor und eine Motorsteuerung, eingerichtet, eine Motorposition und damit eine Knieprothesenposition einzustellen; und
el) eine Rechnereinheit, eingerichtet, auf Basis der Synergiedaten, der abgeleite¬ ten Ganggeschwindigkeit und der der Position im Gangzyklus zugeordneten Größe Befehlssignale an die Motorsteuerung zum Einstellen der Knieprothe senposition zu geben.
Das erfindungsgemäße Verfahren bzw. System zeichnet sich weiterhin vorzugsweise dadurch aus, dass die genannten Bewegungsdaten den Oberschenkelwinkel und/oder die Oberschenkelwinkelgeschwindigkeit beinhalten. Beste Ergebnisse im Sinne der obigen Aufgaben werden erreicht, wenn sowohl der Oberschenkelwinkel als auch die Oberschenkelwinkelgeschwindigkeit gemessen werden und diese beiden Parameter der Steuerung der aktiven Knieprothese zugrunde gelegt werden, vor zugsweise als einzige Parameter.
Der Begriff "Knieprothese" betrifft in dieser Beschreibung und in den Ansprüchen insbesondere eine Amputation oberhalb des Knies.
Der Begriff "Prothese" umfasst in dieser Beschreibung und in den Ansprüchen insbe sondere auch eine "Orthese" und ein "Exoskelett". Dabei ist die in dieser Beschrei¬ bung und in den Ansprüchen verwendete Bezeichnung "durch die Prothese ersetztes Körperteil" zu verstehen als das "Körperteil, auf welches die Orthese bzw. das Exos¬ kelett einwirkt".
Der Begriff "Steuern" umfasst in dieser Beschreibung und in den Ansprüchen ggf. insbesondere auch eine "Regelung".
Messbar sind beide genannten Parameter mit einem einzigen Sensor, wie beispiels weise einem sogenannten IMU, einer inertialen Messeinheit (Inertial Measurement Unit), die als solche im Stand der Technik gut bekannt ist (Xsens Technologies B. H., Enschede, Niederlande).
Gemäß einer bevorzugten Ausgestaltung wird aus dem gemessenen Oberschenkel winkel eine der Position im Gangzyklus zugeordnete Größe abgeleitet. Dabei handelt es sich bevorzugt um ein sogenanntes Gangprozent, d.h. der Schritt wird aufgeteilt in 100 Teile, beginnend mit der ersten Bodenberührung der Ferse und endend mit der nachfolgenden Bodenberührung der Ferse. Ein Problem bei der aktiven Steue rung von Knieprothesen besteht darin, für jeden Zeitpunkt im Gangzyklus (Schritt) die jeweilige Position des die Prothese steuernden Motors genau zu bestimmen und entsprechend die jeweilige Position der beteiligten Gliedmaßen mit den jeweiligen Winkeln. Die Erfindung überwindet dieses Problem dadurch, dass die Gangprozente als eine der Position im Gangzyklus zugeordnete Größe in einfacher Weise durch Integration (Aufsummierung) des Oberschenkelwinkels gewonnen werden. Diese Integration mag die Gangprozente nicht exakt wiedergeben, was im Ergebnis aller¬ dings die erfindungsgemäß erzielten Ergebnisse nicht erheblich stört, da empirisch verifiziert wurde, dass zwischen dem Integral des Oberschenkelwinkels und dem Gangprozent eine pseudo-lineare Beziehung besteht, ähnlich einer Identitätsfunktion.
Bevorzugt arbeiten bei einer Knieprothese das erfindungsgemäße Verfahren bzw. System mit einer übergeordneten Steuerung (HLC), welche: e) die in Schritt b) gewonnenen Bewegungsdaten bezüglich des Oberschenkels empfängt;
f) die Ganggeschwindigkeit gemäß Schritt c) ermittelt;
g) aus dem Oberschenkelwinkel eine der Position im Gangzyklus zugeordnete Größe, insbesondere ein Gangprozent, ableitet;
h) entsprechend der in Schritt f) ermittelten Ganggeschwindigkeit und der in
Schritt g) abgeleiteten, der Position im Gangzyklus zugeordneten Größe eine Motorposition für einen die aktive Prothese steuernden Motor berechnet; und i) entsprechend der in Schritt h) berechneten Motorposition Befehlssignale an eine Motorsteuerung für den genannten Motor abgibt;
wobei in untergeordneter Steuerung die Motorsteuerung die Motorposition einstellt.
Dabei wird die Ganggeschwindigkeit bevorzugt mit einem Stützvektorverfahren (SVM) abgeleitet.
Es hat sich erwiesen, dass die Kombination einer übergeordneten Steuerung (HLC) mit dem Stützvektorverfahren (SVM) im Sinne der oben genannten Aufgaben gute Ergebnisse liefert.
Die Erfindung lehrt auch ein Verfahren und ein System zum Steuern einer aktiven Fußgelenkprothese. Dabei werden Bewegungsdaten bezüglich des Unterschenkels des Fußgelenkamputierten beim Gehen gewonnen. Hierzu wird die IMU am Unter schenkel des Fußgelenkamputierten angebracht und es werden der Unterschenkel¬ winkel und/oder die Unterschenkelwinkelgeschwindigkeit, vorzugsweise beides, ge¬ messen. Die Datenverarbeitung dieser Messungen erfolgt bezüglich der Fußgelenk- prothese dann analog wie oben mit Bezug auf die Knieprothese beschrieben. Alle oben und nachfolgend beschriebenen Eigenschaften und Merkmale bezüglich der Knieprothese gelten analog (mutatis mutandis) für die Fußgelenkprothese und um¬ gekehrt.
Die Erfindung ist auch einsetzbar bei einer Prothese, die Knie- und Fußgelenk ersetzt (transtibale Prothese).
Eine weitere Variante der Erfindung betrifft Verfahren und Systeme zum Steuern einer aktiven Fußgelenkprothese unter Einsatz eines neuronalen Netzwerkes.
Neuronale Netzwerke sind in der Steuerung von Prothesen als solches gut bekannt. Solche Netzwerke werden mit Hilfe eines sogenannten "überwachten" (supervised) Lernens angelernt ("trainiert"). Eingesetzt werden hier sogenannte rückgekoppelte neuronale Netzwerke (FFANN) (Feed Forward Artificial Neural Network). Damit bein¬ haltet diese Variante der Erfindung ein Verfahren zum Steuern einer aktiven Fußge lenkprothese, die mit dem Oberschenkel des betreffenden Beines als dem teilweise intakten Körperteil zusammenwirkt. Das neuronale Netzwerk wird trainiert (ange¬ lernt) auf Basis von empirischen Daten, die mittels eines oder mehrerer Menschen gewonnen werden, die nicht amputiert sind (also keine Fußgelenkprothese tragen). Diese Daten betreffen insbesondere den Winkel und/oder die Winkelgeschwindigkeit des Oberschenkels und die sogenannte Linearbewegung des Oberschenkels. Die Linearbewegung des Oberschenkels hat zwei Komponenten, eine Komponente in Richtung der Horizontalen (X-Achse) und eine Komponente in Richtung der Vertika len (Y-Achse). Die Drehung (der Winkel) werden um die senkrecht zu den beiden genannten Achsen stehende Z-Achse gemessen. Auf der Eingabeseite des neurona¬ len Netzwerkes werden im Rahmen des Trainings des neuronalen Netzwerkes mit nicht amputierten Menschen gewonnene Daten eingegeben, die insbesondere den Winkel und die Linearbewegung des Oberschenkels repräsentieren. Auf der Ausgabe¬ seite des neuronalen Netzwerkes werden Daten gewonnen, mit denen die Fußge lenkprothese direkt angesteuert wird. Diese letztgenannten Daten beinhalten den Winkel und das Drehmoment (die Kraft), gemäß denen die aktive Fußgelenkprothese direkt von dem neuronalen Netz angesteuert wird. Das neuronale Netzwerk ist also Teil der aktiven Fußgelenkprothese.
Das neuronale Netzwerk wird auf Basis eines umfangreichen Satzes von empirischen Daten trainiert, die mit Probanden gewonnen werden. Die empirischen Daten ver knüpfen einerseits Messwerte bezüglich Winkel und Linearbewegung des Oberschen- kels des Probanden bzw. der Mehrzahl von Probanden mit Messwerten bezüglich Winkel und Drehmoment des Fußgelenkes. Bei einer Mehrzahl von Probanden kann ein Mittelwert herangezogen werden.
Es kann auch ein Proband oder eine Mehrzahl von Probanden für die Messungen herangezogen werden, die hinsichtlich Geschlecht, Gewicht und gegebenenfalls wei¬ terer phänotypischer Merkmale dem Typ des mit der Fußgelenkprothese zu verse¬ henden Patienten möglichst nahekommen.
Es hat sich gezeigt, dass es möglich ist, mit einem einzigen Sensor am Oberschenkel des mit der Fußgelenkprothese versehenen Patienten gute Ergebnisse zu erreichen. Das senkt nicht nur die Kosten, sondern vor allem auch den Rechenaufwand und die Fehleranfälligkeit des neuronalen Netzwerks.
Das neuronale Netz wird mit Daten trainiert, die von verschiedenen Fortbewegungs¬ arten stammen, wie Gehen, Treppen-Auf- und Abstieg. Mit dem Verfahren braucht es keine Klassifizierung der Fortbewegungsarten und auch innerhalb einer Fortbewe gungsart braucht es keine Klassifizierung. Also zum Beispiel keine Klassifizierung hinsichtlich der Gangprozente und auch hinsichtlich der Ganggeschwindigkeiten. Vielmehr hat sich gezeigt, dass ein Training des neuronalen Netzwerkes auf Basis (einer) "normaler" Gehgeschwindigkeiten reicht. Der Algorithmus kann dann mit zufriedenstellenden Ergebnissen auch auf schnellere Gangarten skaliert werden.
Das für eine bestimmte Fußgelenkprothese vorgesehene neuronale Netz wird nur einmal angelernt (trainiert), beispielsweise beim Fiersteller, und ist dann beim Patien¬ ten ohne weitere Trainingsmaßnahmen einsatzbereit. Das neuronale Netz setzt die mit dem Sensor am Oberschenkel des Patienten gewonnenen Daten (also insbeson dere bezüglich Winkel und Linearbewegung) direkt in Echtzeit in die Fußgelenkpro¬ thesenbewegung um, also unter Steuerung von Winkel und Drehmoment der Fußge lenkprothese. Es bedarf mit dem Verfahren gemäß dieser Variante der Erfindung keiner Hinterlegung von Daten in einer Zuordnungstabelle (sogenannte Look-Up- Tabelle).
Es hat sich gezeigt, dass mit dem Verfahren und System gemäß dieser Variante der Erfindung unter Einsatz des neuronalen Netzwerkes ein fließender Übergang zwi schen verschiedenen Gangarten (Gehen in der Ebene, Treppenaufstieg und Treppen abstieg) erreicht wird und auch eine Änderung der Gehgeschwindigkeiten ermöglicht ist (aufgrund der oben erwähnten Skalierung), ohne dass eine Klassifizierung der Bewegung des Oberschenkels erforderlich wäre.
Es erfolgt also eine direkte Kombination der Bewegung des Oberschenkels mit der Fußgelenkprothese weitehend angenähert an den synergetischen Zusammenhang beim gesunden Menschen, wobei gemäß einer bevorzugten Ausgestaltung nur eine Sensoreinheit (IMU) am Oberschenkel erforderlich ist.
Es genügt ein relativ einfaches neuronales Netzwerk, beispielsweise mit drei Schich¬ ten mit jeweils hundert Neuronen, womit eine mittlere Ergebnisgüte von 0,98 erreicht werden kann für das Gehen und das Treppensteigen (1,00 wäre das Optimum).
Von den mit gesunden Probanden gewonnenen Datensätzen kann beispielsweise die Hälfte eingesetzt werden, um das neuronale Netzwerk anzulernen und die andere Hälfte kann zum Testen des Lernzustandes des neuronalen Netzwerkes verwendet werden. Im neuronalen Netzwerk hat sich eine hyperbolische Tangensfunktion als Aktivierungsfunktion für die Neuronen in den (beispielsweise drei) Schichten als gut geeignet erwiesen.
Nachfolgend werden Ausführungsbeispiele der Erfindung näher beschrieben. KURZBESCHREIBUNG DER FIGUREN
Figur 1 erläutert schematisch ein Verfahren und System zum Steuern einer aktiven Knieprothese.
Figur 2 zeigt auf der Abszisse (X-Achse) die Gangprozente und auf der Ordinate
(Y-Achse) die Oberschenkelwinkelgeschwindigkeit (Grad/Sek.).
Figur 3 zeigt auf der Abszisse die Gangprozente und auf der Ordinate den
Oberschenkelwinkel (Grad), gemessen gegen die Horizontale.
Figur 4 zeigt auf der Abszisse die Gangprozente und auf der Ordinate die jewei¬ ligen Motorpositionen (in mm, entsprechend einem Stellglied des Mo tors). Figur 5 erläutert schematisch ein Verfahren und ein System zum Steuern einer aktiven Fußgelenkprothese, wobei der Figur 1 entsprechende Kompo¬ nenten und Merkmale mit gleichen Bezugsziffern und einem ergänzen den Strich dargestellt sind.
Figur 6 zeigt auf der Abszisse die Gangprozente und auf der Ordinate die Un¬ terschenkelwinkelgeschwindigkeit (Grad/Sek.).
Figur 7 zeigt auf der Abszisse die Gangprozente und auf der Ordinate den Un¬ terschenkelwinkel (Grad).
Figur 8 zeigt auf der Abszisse die Gangprozente und auf der Ordinate die Mo¬ torpositionen (m).
Fig. 1 dient der Erläuterung des Verfahrens und des Systems zum Steuern einer aktiven, also motorbetriebenen Knieprothese. Der mechanische Aufbau derartiger Knieprothesen ist als solcher im Stand der Technik bekannt, so dass die Knieprothese 10 hier schematisch darstellbar ist mit einem Oberschenkel 12, einem Kniegelenk 14, einem Unterschenkel 16 und mit einem Fußgelenk 18.
Eine Motorsteuerung 20 steuert über Steuersignale 20a einen Motor 22, der über die Positionen eines vom Motor gesteuerten Stellgliedes die aktive Prothese, also die künstlichen Gliedmaßen einstellt.
Kinematische Signale 24 bezüglich des Motors werden in an sich bekannter Weise in die Motorsteuerung 20 eingegeben.
Die Anordnung gemäß Fig. 1 ist aufgeteilt in eine übergeordnete Steuerung HLC (A) und in eine untergeordnete Steuerung (B).
Die übergeordnete Steuerung HLC liefert Signale 26 betreffend der einzustellenden Motorposition.
Flierzu ist für die Steuerung der Knieprothese am Oberschenkel 12 des Prothesenträ¬ gers ein Sensor (IMU; Inertial-Mess-Sensoreinheit) 28 angebracht, der in an sich bekannter Weise den Oberschenkelwinkel in Bezug auf die Florizontale oder die Oberschenkelwinkelgeschwindigkeit, vorzugsweise beides, ermittelt. Diese Messer¬ gebnisse sind hier allgemein auch als Bewegungsdaten bezeichnet, wobei der Ober- schenkelwinkel die Bezeichnung Q trägt und die Oberschenkelwinkelgeschwindigkeit die erste Ableitung von Q ist. Die Bewegungsdaten 30 werden in eine Signalaufberei¬ tung 32 eingegeben, die die aufbereiteten Bewegungsdaten, beispielsweise Ober schenkelwinkel und Oberschenkelwinkelgeschwindigkeit, in eine Recheneinheit 34 eingibt, welche die Ganggeschwindigkeit ermittelt. Einzelheiten der Ganggeschwin¬ digkeitsermittlung werden weiter unten näher beschrieben. Weiterhin enthält das System eine Rechnereinheit 36 zur Bestimmung der Gangprozente. Hierzu werden die Signale 30a bezüglich des Oberschenkelwinkels in eine Rechnereinheit 36 zum Bestimmen einer der Position im Gangzyklus entsprechenden Größe, hier der Gang prozente, eingegeben. Dies erfolgt, wie oben erläutert, durch Integration des Ober¬ schenkelwinkels.
Eine Rechnereinheit 38 berechnet die genannten Befehlssignale 26 für die Motor¬ steuerung 20 auf Basis von abgespeicherten Synergiedaten (siehe unten), der Gang geschwindigkeit und des jeweils gewonnenen Gang Prozentes.
Zu den Synergiedaten:
Wie oben erläutert, stellen die Synergiedaten die Beziehung her zwischen der (natür lichen) Bewegung der einzelnen Gliedmaßen und Gelenke beim Gehen. Deshalb wer den die Synergiedaten hier auf Basis der Untersuchung des Ganges eines gesunden Menschen ("Testperson") gewonnen. Wie oben erwähnt, ist ein grundlegender Para meter für die Steuerung aktiver Prothesen die jeweilige Geschwindigkeit, hier also die Ganggeschwindigkeit. Es werden deshalb mehrere Ganggeschwindigkeiten ausge¬ wählt, mit welchen die genannte Testperson geht, wobei die Oberschenkelwinkel und die Oberschenkelwinkelgeschwindigkeit in Abhängigkeit von den Gangprozenten er¬ mittelt werden, Figuren 2 und 3. Beim hier beschriebenen Ausführungsbeispiel wer den fünf Ganggeschwindigkeiten angesetzt, nämlich 0,6; 0,9; 1,2; 1,4; und 1,6 m/s beim Gehen auf der Ebene. Entsprechend diesen fünf verschiedenen Ganggeschwin digkeiten enthalten die Figuren 2, 3 und 4 jeweils fünf verschiedene Linien, die je¬ weils einer bestimmten Ganggeschwindigkeit zugeordnet sind. Auf die einzelnen Messdaten kommt es für diese Beschreibung nicht an, so dass auf eine nähere Ana¬ lyse der Unterschiede der Ergebnisse für die einzelnen Ganggeschwindigkeiten ver zichtet werden kann.
Die Werte der Ordinaten in den Figuren 2, 3 und 4 werden direkt von einem Sensor am Bein der Testperson gewonnen. Dabei müssen die Werte nicht tatsächliche Ober schenkelwinkel bzw. Oberschenkelwinkelgeschwindigkeiten wiedergeben, jedoch bedingt dies hier kein Problem. Die übergeordnete Steuerung (HLC) hängt hier nicht von der tatsächlichen Bedeutung der eingegebenen Messdaten ab. Vielmehr muss die Eingabe nur für den jeweiligen Typ der Bewegung spezifisch sein. Die Beziehun gen zwischen den Gangprozenten und dem Oberschenkelwinkel bzw. der Oberschen kelwinkelgeschwindigkeit gemäß den Figuren 2 und 3 werden also empirisch gewon¬ nen durch Messungen am natürlichen Gang von einer oder mehreren nicht amputier ten Personen. Bei Messungen an mehreren Personen können Mittelwerte zugrunde gelegt werden. Für die Messungen können außer den genannten Sensoren (IMU) auch Kraftmesseinheiten und Kameras mit Bildverarbeitung eingesetzt werden.
Die den einzelnen Gangprozenten zuzuordnenden Motorpositionen, gemäß denen die Motorsteuerung 20 den Motor 22 steuert, werden ebenfalls für die genannten fünf Geschwindigkeiten von 0,6; 0,9; 1,2; 1,4 und 1,6 m/s empirisch bestimmt.
Für jede Geschwindigkeit und jedes Gangprozent werden die gewünschten Motorpo¬ sitionen in einer aktiven Prothetik auf Grundlage der Winkel und Drehmomente des Fußgelenks berechnet. Dies geschieht auf Grundlage der Geometrie einer Prothese und deren Steifheit (Fig. 1 und Fig. 2-C).
Die Winkel und Drehmomente des Fußgelenks können durch Analyse von empiri¬ schen gewonnenen Daten über die Bewegung und die Kräfte für jede Geschwindig keit berechnet werden [M. W. Whittle, Gait analysis: an Introduction, Buttenworth- Fleinemann, 2003, ISBN: 0-7506-5262-4; S. Lipfert, Kinematic and Dynamic Similari- ties between Walking and Running, Flamburg: Verlag Dr. Kovac, 2010, ISBN: 9783- 8300-50308]. Zusätzlich wird eine Funktion für die Berechnung von Kraft- oder Ener gieverbrauch genutzt, um die Kräfte der Motoren und die optimale Steifigkeit der aktiven Prothetik zu bestimmen [M. Grimmer, M. Eslamy, S. Gliech, and A. Seyfarth, "A Comparison of Parallel and Series elastic Elements in an Actuator for Mimicking human Ankle Joint in Walking and Running," In IEEE Int'l Conf. Robo. Auto., 2012, pp. 2463-2470; M. Eslamy, M. Grimmer, and A. Seyfarth, "Effects of unidirectional parallel Springs on required Peak Power and Energy in powered prosthetic Ankies: Comparison between different active actuation concepts," IEEE Int'l Conf. on Robo. Biomim., pp. 2406-2412, 2012].
Die vorstehend genannten empirischen Messungen mit den Ergebnissen gemäß den Figuren 2 bis 4 liefern die Synergiedaten für die genannten fünf Geschwindigkeiten des Ganges. Entsprechend erfolgt die Steuerung der Knieprothese mit diesen Syner¬ giedaten auf Basis der genannten fünf Ganggeschwindigkeiten. Diese Gewinnung der Synergiedaten erfolgt zunächst unabhängig vom Einsatz bei dem Verfahren bzw. in dem System zum Steuern der Knieprothese. Vielmehr werden diese Synergiedaten unabhängig von diesem Verfahren bzw. System gewonnen und dann für das Verfah ren bzw. System in einem Speicher 40 (Fig. 1) des Systems abgelegt, um damit das erfindungsgemäße Verfahren durchzuführen.
Somit müssen beim tatsächlichen Einsatz der Knieprothese gemäß Fig. 1 beim Gehen des Prothesenträgers die mehreren, im vorliegenden Fall fünf, Ganggeschwindigkei¬ ten ermittelt werden. Flierzu dient hier das Stützvektorverfahren (SVM), welches als solches im Stand der Technik gut bekannt ist, vgl. die eingangs zitierte Literatur. Es handelt sich dabei um ein überwachtes ("supervised") maschinelles Lernverfahren, bei dem ein Satz von Trainingseingaben für den Lernprozess eingesetzt wird. Die Leistung des erzeugten Stützvektorverfahrens kann dann geprüft werden durch Eingabe sogenannter Testwerte. Im vorliegenden Fall werden beispielsweise 50% der oben erläuterten gewonnenen Synergiedaten eingesetzt für den Trainingsprozess.
Die verbleibenden Synergiedaten können dann für das Testen verwendet werden.
Das Stützvektorverfahren (SVM) dient der Klassifizierung (Unterscheidung) von Messdaten, im vorliegenden Fall der Unterscheidung von Geschwindigkeiten, also der Zuordnung gemessener Parameter, hier des Oberschenkelwinkels und/oder der Oberschenkelwinkelgeschwindigkeit, zu bestimmten Ganggeschwindigkeiten. Mit anderen Worten: für den gegebenen Gang des Prothesenträgers werden mit dem Sensor 28 (IMU) Oberschenkelwinkel und/oder Oberschenkelwinkelgeschwindigkeit gemessen und aus diesen Bewegungsdaten wird mit dem Stützvektorverfahren (SVM) dann dem Gang eine von mehreren Ganggeschwindigkeiten, hier eine der fünf Ganggeschwindigkeiten, zugeordnet, wobei diese Zuordnung, wie oben beschrieben, auf Basis der empirisch für einen oder mehrere gesunde Menschen gewonnenen Synergiedaten mit dem SVM erfolgt.
Fig. 5 erläutert ein Verfahren und ein System zum Steuern einer Fußgelenkprothese 10'. Verfahren und System bezüglich der Fußgelenkprothese entsprechen im Wesent lichen dem oben beschriebenen Verfahren bzw. System zum Steuern einer Kniepro these, wobei der Sensor (IMU) 28' nunmehr nicht am Oberschenkel 12, sondern am Unterschenkel 16 angebracht ist. Statt Oberschenkelwinkel bzw. Oberschenkelwin¬ kelgeschwindigkeit werden der Unterschenkelwinkel und/oder die Unterschenkelwin¬ kelgeschwindigkeit Q, 0a gemessen und entsprechende Bewegungsdaten 30' in die Signalaufbereitung 32' eingegeben. Der Unterschenkel Winkel gegen die Horizontale wird gemäß den Bewegungsdaten 30a' in die Recheneinheit 36' zum Berechnen der Gangprozente eingegeben, analog der obigen Berechnung der Gangprozente durch die Recheneinheit 36. In der Recheneinheit 34' wird mit dem Stützvektorverfahren (SVM) eine der fünf genannten Ganggeschwindigkeiten ermittelt.
In Fig. 6 sind über den Gangprozenten die Unterschenkelwinkelgeschwindigkeiten aufgetragen und in Fig. 7 sind über den Gangprozenten die Unterschenkelwinkel gegen die Florizontale aufgetragen. Fig. 8 zeigt analog zu Fig. 4 die Motorpositionen zum Einstellen der Fußgelenkprothese für die fünf verschiedenen Ganggeschwindig keiten in Abhängigkeit von den Gangprozenten. Auch diese Daten werden, analog wie oben beschrieben, als Synergiedaten bei einem oder mehreren gesunden Men schen gewonnen.
Mit den oben beschriebenen Verfahren und Systemen werden gute Ergebnisse für die Ansteuerung von aktiven Prothesen erzielt. Es brauchen nur die Parameter Win kel und/oder Winkelgeschwindigkeit des betreffenden Schenkels gemessen werden. Bessere Ergebnisse werden erzielt bei Messung und Verwendung beider Parameter. Flierzu reicht ein einziger Sensor. Es können die Ganggeschwindigkeit und die Positi¬ on in der Gangphase kontinuierlich berechnet werden. Das erfindungsgemäße Ver¬ fahren bzw. das System benötigen keine sogenannten Umschaltregeln ("Switching Rules") gemäß dem Stand der Technik. Zu jedem Zeitpunkt sind die Position im Gangzyklus (Gangphase) und die Ganggeschwindigkeit bekannt, wodurch eine Analy¬ se für eine Fehlerbehebung bzw. Ergebnisverbesserung in einfacher Weise ermöglicht ist. Eine übergeordnete Steuerung (HLC) nutzt Messdaten in Echtzeit und liefert damit die Steuerbefehle für die Ansteuerung der Motoren der Prothese.
Gemäß einer Variante der Erfindung (Ansprüche 17 bis 20) wird eine Fußgelenkpro¬ these mit einem, insbesondere einzigen Sensor am Oberschenkel des Patienten ge¬ steuert unter Einsatz eines neuronalen Netzwerkes. Anders als in Fig. 5 dargestellt, wird also ein Sensor nicht am Unterschenkel, sondern am Oberschenkel des Trägers der Prothese angebracht.
Das neuronale Netz ist Teil einer übergeordneten Steuerung (HLC) und liefert in Echtzeit Steuerbefehle für die Ansteuerung des Motors der Fußgelenkprothese.
Als gut geeignet erwiesen hat sich ein neuronales Netzwerk mit drei (versteckten) Schichten mit jeweils hundert Neuronen und einer hyperbolischen Tangensfunktion als Aktivierungsfunktion für die versteckten Schichtneuronen. Das neuronale Netz werk wird in an sich bekannter Weise durch Rückkopplung und Fehlerminimierung mit Trainings-Datensätzen trainiert, wobei die Wichtungsfaktoren innerhalb des künstlichen neuronalen Netzwerkes iterativ optimiert werden, bis das Resultat zufrie¬ denstellend ist.
Die übergeordnete Steuerung (HLC) mit dem neuronalen Netzwerk nutzt die Sensor daten bezüglich Winkel und Linearbewegung des gesunden Oberschenkels, um die vom Patienten angestrebte Gangart zu erkennen, ohne dass dabei eine Unterteilung (Klassifizierung) bezüglich Gangart, Treppenaufstieg, Treppenabstieg etc. erforderlich wäre. Der Fußgelenkprothesen-Winkel und das Fußgelenkprothesen-Drehmoment werden kontinuierlich durch das trainierte neuronale Netzwerk (FFANN) abgeschätzt. Das Verfahren braucht nur eine übergeordnete Steuerung (HLC) und eine damit beaufschlagte untergeordnete Steuerung auf unterster Ebene, mit der die Drehmo¬ mente und Winkel der Fußgelenkprothese eingestellt werden.
Die Verfahren und Instrumente zur Vermessung des Zusammenhanges zwischen den Oberschenkel-Sensordaten und den Daten bezüglich Winkel und Drehmoment im Fußgelenk des Probanden, also insbesondere des gesunden Probanden, sind im Stand der Technik als solche bekannt. Für eine solche biomechanische Analyse der Kinematik und der Dynamik der Bewegungen der einzelnen Gelenkkomponenten und Gliedmaßen können sogenannte Marker am Probanden angebracht werden. Es kön nen dreidimensionale Bewegungsbilder aufgenommen werden. Insbesondere kann das VICON-Nexus-3D-Motion-Capture-System eingesetzt werden. Die Kräfte und insbesondere die Bodenkräfte können mit bekannten Kraftsensoren ermittelt werden. Das Software-System "Opensim" kann für die Analyse der biomechanischen Daten und die Bestimmungen der Kinematik herangezogen werden (S.L. Delp, F.C. Ander son, A.S. Arnold, P. Loan, A. Habib, D. John, E. Gundelmann, und D.G. Thelen, "Opensim; Open Source Software to Create and Analyze Dynamic Simulations of Movement").

Claims

Patentansprüche
1. Verfahren zum Steuern einer aktiven Prothese, die mit einem zumindest teil weise intakten Körperteil zusammenwirkt, folgende Schritte aufweisend:
a) Gewinnen von empirischen Daten, welche repräsentativ sind für Beziehungen zwischen einer Bewegung des zumindest teilweise intakten Körperteils und ei¬ nes durch die Prothese ersetzten Körperteils bei gesunden, nicht mit der Pro¬ these versehenen Menschen;
b) Gewinnen von Bewegungsdaten bezüglich des zumindest teilweise intakten Körperteils bei dessen Bewegung; und
c) Ansteuern in Echtzeit der aktiven Prothese auf Basis der in Schritt a) gewon¬ nenen empirischen Daten.
2. Verfahren nach Anspruch 1, wobei zwischen den Schritten lb) und lc) folgen der Schritt ausgeführt wird:
bl) Simultanes Ableiten von Bewegungsgeschwindigkeit und Bewegungsprozenten aus den in Schritt lb) gewonnenen Bewegungsdaten; und wobei
in Schritt lc) die Ansteuerung der aktiven Prothese auf Basis der in Schritt la) gewonnenen empirischen Daten und der genannten Bewegungsgeschwindig keit und der genannten Bewegungsprozente erfolgt.
3. Verfahren nach Anspruch 2, wobei
- die aktive Prothese eine aktive Knieprothese ist;
- das zumindest teilweise intakte Körperteil der Oberschenkel ist; und
- die Bewegungsgeschwindigkeit eine Ganggeschwindigkeit und die Bewe¬ gungsprozente Gangprozente sind.
4. Verfahren nach einem der vorhergehenden Ansprüche, wobei die in Schritt la) gewonnenen empirischen Daten Synergiedaten sind.
5. Verfahren nach einem der vorhergehenden Ansprüche, wobei die in Schritt lb) genannten Bewegungsdaten einen Winkel und/oder eine Winkelgeschwindigkeit des intakten Körperteils beinhalten.
6. Verfahren nach einem der Ansprüche 2 bis 5, wobei die in Schritt 2bl) abge¬ leitete Bewegungsgeschwindigkeit mit einem Stützvektorverfahren (SVM) abgeleitet wird.
7. Verfahren nach einem der vorhergehenden Ansprüche, wobei die Steuerung mit einer übergeordneten Steuerung (HLC) durchgeführt wird, bei welcher die über geordnete Steuerung (HLC):
d) die in Schritt lb) gewonnenen Bewegungsdaten bezüglich des zumindest
teilweise intakten Körperteils empfängt;
e) die Bewegungsgeschwindigkeit gemäß Schritt 2bl) ableitet;
f) die Bewegungsprozente gemäß Schritt 2bl) ableitet;
g) Motorpositionen entsprechend der in Schritt e) abgeleiteten Bewegungsge¬ schwindigkeit und der in Schritt f) abgeleiteten Bewegungsprozente für einen die aktive Prothese steuernden Motor berechnet; und
h) entsprechend den in Schritt g) berechneten Motorpositionen Befehlssignale an eine Motorsteuerung für den Motor abgibt;
und wobei
in untergeordneter Steuerung die Motorsteuerung die Motorpositionen ein stellt.
8. System zum Steuern einer aktiven Knieprothese (10), aufweisend:
al) einen Speicher (40), enthaltend empirisch gewonnene Synergiedaten, welche für einen nicht amputierten Menschen eine Beziehung zwischen Bewegungen des Oberschenkels und des Knies für mehrere Ganggeschwindigkeiten beinhal¬ ten;
bl) eine Einrichtung (28), anbringbar am Oberschenkel (12) des Trägers der
Knieprothese und eingerichtet, Bewegungsdaten bezüglich des Oberschenkels zu gewinnen;
cl) Rechnereinheiten (34, 36), programmiert, aus den gewonnenen Bewegungs¬ daten eine Ganggeschwindigkeit und der Position im Gangzyklus zugeordnete Größen, insbesondere Gangprozente, abzuleiten,
dl) einen Motor (22) und eine Motorsteuerung (20), eingerichtet, eine Motorposi¬ tion und damit eine Knieprothesenposition einzustellen; und
el) eine Rechnereinheit (38), eingerichtet, auf Basis der Synergiedaten, der abge¬ leiteten Ganggeschwindigkeit und der der Position im Gangzyklus zugeordne¬ ten Größe Befehlssignale (26) an die Motorsteuerung (20) zum Einstellen der Knieprothesenposition zu geben.
9. System nach Anspruch 8, wobei die in Schritt 8bl) genannten Bewegungsda¬ ten den Oberschenkelwinkel und/oder die Oberschenkelwinkelgeschwindigkeit bein¬ halten.
10. System nach einem der Ansprüche 8 oder 9, wobei eine Rechnereinheit gemäß Merkmal 8cl) programmiert ist, die Ganggeschwindigkeit mit einem Stützvektorver¬ fahren (SVM) abzuleiten.
11. Verfahren gemäß Anspruch 1, wobei
- die aktive Prothese eine aktive Fußgelenkprothese ist;
- das zumindest teilweise intakte Körperteil der Unterschenkel ist;
- die Bewegungsdaten gemäß Schritt lb) die Bewegung des Unterschenkels betreffen und eine Ganggeschwindigkeit und Gangprozente beinhalten.
12. Verfahren gemäß Anspruch 11, wobei die genannten Bewegungsdaten den Unterschenkelwinkel und/oder die Unterschenkelwinkelgeschwindigkeit beinhalten.
13. Verfahren nach einem der Ansprüche 11 oder 12, wobei die Ganggeschwin digkeit mit einem Stützvektorverfahren (SVM) gewonnen wird.
14. Verfahren nach einem der Ansprüche 11 bis 13, wobei die Steuerung mit einer übergeordneten Steuerung (HLC) durchgeführt wird, bei der die übergeordnete Steuerung (HLC):
e') die Bewegungsdaten betreffend den Unterschenkel empfängt;
f) die Ganggeschwindigkeit ermittelt;
g') die Gangprozente ableitet;
h') entsprechend der Ganggeschwindigkeit und den Gangprozenten Motorpositio¬ nen für einen die aktive Prothese steuernden Motor berechnet; und
i') entsprechend den berechneten Motorpositionen Befehlssignale an eine Motor steuerung für den Motor abgibt;
und wobei
in untergeordneter Steuerung die Motorsteuerung die Motorpositionen ein stellt.
15. System zum Steuern einer aktiven Fußgelenkprothese (10'), aufweisend:
al') einen Speicher (40'), enthaltend empirisch gewonnene Synergiedaten, welche für einen Nichtamputierten eine Beziehung zwischen einer Bewegung des Un- terschenkels (16) und des Fußgelenkes (18) für mehrere Ganggeschwindigkei¬ ten beinhalten;
bl') eine Einrichtung (28'), anbringbar am Unterschenkel (16) des Trägers der Fußgelenkprothese und eingerichtet, Bewegungsdaten bezüglich des Unter¬ schenkels zu gewinnen;
cl') Rechnereinheiten (34', 36'), programmiert, aus den gewonnenen Bewegungs¬ daten eine Ganggeschwindigkeit und der Position im Gangzyklus zugeordnete Größen, insbesondere Gangprozente, abzuleiten;
dl') einen Motor (22') und eine Motorsteuerung (20') , eingerichtet, eine Motorpo¬ sition und damit eine Fußgelenkprothesenposition einzustellen; und
el') eine Rechnereinheit (38'), eingerichtet, auf Basis der Synergiedaten, der abge¬ leiteten Ganggeschwindigkeit und der der Position im Gangzyklus zugeordne¬ ten Größe, insbesondere den Gangprozenten, Befehlssignale (26') an die Mo¬ torsteuerung (20') zum Einstellen der Fußgelenkprothese zu geben.
16. System nach Anspruch 15, wobei die in Merkmal 15bl') genannten Bewe¬ gungsdaten den Unterschenkelwinkel und/oder die Unterschenkelwinkelgeschwindig¬ keit beinhalten.
17. Verfahren nach Anspruch 1, wobei
- die aktive Prothese eine Fußgelenkprothese ist;
- das zumindest teilweise intakte Körperteil ein Oberschenkel ist;
- die empirischen Daten mit einem neuronalen Netzwerk verarbeitet werden; und
- die Fußgelenkprothese von einem neuronalen Netzwerk angesteuert wird.
18. Verfahren nach Anspruch 17, wobei
- die empirischen Daten einen Winkel und eine Linearbewegung des Ober schenkels und den Winkel und das Drehmoment beim gesunden Menschen betreffen; und
- die Bewegungsdaten gemäß Merkmal lb) den Winkel und die Linearbewe¬ gung des Oberschenkels des Trägers der Fußgelenkprothese betreffen.
19. Verfahren nach Anspruch 17 oder 18, wobei die Bewegungsdaten gemäß Merkmal lb) mit einem einzigen, am Oberschenkel angebrachten Sensor (28) ge wonnen werden.
20. System zum Steuern einer aktiven Fußgelenkprothese, aufweisend:
- ein neuronales Netzwerk, das angelernt ist auf Basis von Daten, die für einen oder mehrere nicht amputierte Menschen einen Zusammenhang be treffen zwischen Winkel und Linearbewegung des Oberschenkels einerseits und Winkel und Drehmoment des Fußgelenkes andererseits;
- einen Sensor (28), der am Oberschenkel des Trägers der Fußgelenkprothe¬ se anbringbar und eingerichtet ist, Daten betreffend Winkel und Linearbe¬ wegung des Oberschenkels zu gewinnen, wobei
- die letztgenannten Daten in das neuronale Netzwerk eingegeben werden; und
- das neuronale Netzwerk entsprechend den eingegebenen Daten Daten ausgibt, auf deren Basis die Fußgelenkprothese angesteuert wird.
PCT/EP2020/069006 2019-07-08 2020-07-06 Verfahren und systeme zum steuern aktiver prothesen WO2021005006A2 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102019118399.5 2019-07-08
DE102019118399.5A DE102019118399A1 (de) 2019-07-08 2019-07-08 Verfahren und Systeme zum Steuern aktiver Prothesen

Publications (2)

Publication Number Publication Date
WO2021005006A2 true WO2021005006A2 (de) 2021-01-14
WO2021005006A3 WO2021005006A3 (de) 2021-03-04

Family

ID=71523159

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2020/069006 WO2021005006A2 (de) 2019-07-08 2020-07-06 Verfahren und systeme zum steuern aktiver prothesen

Country Status (2)

Country Link
DE (1) DE102019118399A1 (de)
WO (1) WO2021005006A2 (de)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116869713A (zh) * 2023-07-31 2023-10-13 南方科技大学 基于视觉辅助的假肢控制方法、装置、假肢及存储介质
CN116999034A (zh) * 2023-09-28 2023-11-07 中国康复科学所(中国残联残疾预防与控制研究中心) 一种评估系统及评估方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040049290A1 (en) 2002-08-22 2004-03-11 Stephane Bedard Control system and method for controlling an actuated prosthesis
US20160242936A1 (en) 2008-04-21 2016-08-25 Vanderbilt University Powered leg prosthesis and control methodologies for obtaining near normal gait
DE102015106389A1 (de) 2015-04-24 2016-10-27 Otto Bock Healthcare Products Gmbh Verfahren zur Steuerung eines künstlichen Kniegelenkes
US20180168477A1 (en) 2015-06-19 2018-06-21 Georg-August-Universität Göttingen Stiftung Öffentlichen Rechts Powered, multi-functional limb movement auxiliary device, particularly prosthesis and movement-assisting orthosis, with combined estimation regimes

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19521464C2 (de) * 1995-06-13 1999-08-19 Leuven K U Res & Dev Verfahren zur Steuerung der Kniebremse eines Prothesen-Kniegelenkes sowie Oberschenkelprothese
KR20110074520A (ko) * 2008-09-04 2011-06-30 아이워크, 아이엔씨. 하이브리드 지형-적응형 의족 시스템
US9622884B2 (en) * 2012-02-17 2017-04-18 Springactive, Inc. Control systems and methods for gait devices
US10016290B2 (en) * 2012-09-17 2018-07-10 Vanderbilt University Walking controller for powered ankle prostheses
US9289316B2 (en) * 2013-05-03 2016-03-22 Springactive, Inc. Quasi-active prosthetic joint system
JP6414664B2 (ja) * 2014-06-13 2018-10-31 国立大学法人 筑波大学 義肢装着式動作補助装置
WO2016130745A1 (en) * 2015-02-12 2016-08-18 Board Of Regents, The University Of Texas System Systems and methods for prosthetic device control

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040049290A1 (en) 2002-08-22 2004-03-11 Stephane Bedard Control system and method for controlling an actuated prosthesis
US20160242936A1 (en) 2008-04-21 2016-08-25 Vanderbilt University Powered leg prosthesis and control methodologies for obtaining near normal gait
DE102015106389A1 (de) 2015-04-24 2016-10-27 Otto Bock Healthcare Products Gmbh Verfahren zur Steuerung eines künstlichen Kniegelenkes
US20180168477A1 (en) 2015-06-19 2018-06-21 Georg-August-Universität Göttingen Stiftung Öffentlichen Rechts Powered, multi-functional limb movement auxiliary device, particularly prosthesis and movement-assisting orthosis, with combined estimation regimes

Non-Patent Citations (9)

* Cited by examiner, † Cited by third party
Title
C. CORTESV. VAPNIK: "Support-vector networks", MACHINE LEARNING, 1995, pages 273 - 297
D. GRIMESW. FLOWERSM. DONATH: "Feasibility of an active control scheme for above knee prostheses", JOURNAL OF BIOMECHANICAL ENGINEERING, vol. 99, no. 4, 1977, pages 215 - 221
D. QUINTEROD. J. VILLARREALD. J. LAMBERTS. KAPPR. D. GREGG: "Continuous-phase control of a powered knee-ankle prosthesis: Amputee experiments across speeds and inclines", IEEE TRANSACTIONS ON ROBOTICS, 2018
F. SUPH. A. VAROLJ. MITCHELLT. WITHROWM. GOLDFARB: "Design and control of an active electrical knee and ankle prosthesis", IEEE RAS & EMBS INTERNATIONAL CONFERENCE ON BIOMEDICAL ROBOTICS AND BIOMECHATRONICS (BIOROB, 2008, pages 523 - 528, XP031413223
M. ESLAMYA. F. SCHILLING: "A conceptual high level controller to work with active foot prosthesis/orthosis", IEEE INTERNATIONAL CONFERENCE ON BIOMEDICAL ROBOTICS AND BIOMECHATRONICS, 2018
M. ESLAMYM. GRIMMERA. SEYFARTH: "Effects of unidirectional parallel Springs on required Peak Power and Energy in powered prosthetic Ankles: Comparison between different active actuation concepts", IEEE INT'L CONF. ON ROBO. BIOMIM., 2012, pages 2406 - 2412, XP032353141, DOI: 10.1109/ROBIO.2012.6491330
M. GRIMMERM. ESLAMYS. GLIECHA. SEYFARTH: "A Comparison of Parallel and Series elastic Elements in an Actuator for Mimicking human Ankle Joint in Walking and Running", IEEE INT'L CONF. ROBO. AUTO., 2012, pages 2463 - 2470
M. W. WHITTLE: "Gait analysis: an Introduction", 2003, BUTTENWORTH-HEINEMANN
S. LIPFERTKINEMATIC: "Dynamic Similarities between Walking and Running", 2010, VERLAG DR. KOVAC

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116869713A (zh) * 2023-07-31 2023-10-13 南方科技大学 基于视觉辅助的假肢控制方法、装置、假肢及存储介质
CN116999034A (zh) * 2023-09-28 2023-11-07 中国康复科学所(中国残联残疾预防与控制研究中心) 一种评估系统及评估方法
CN116999034B (zh) * 2023-09-28 2023-12-22 中国康复科学所(中国残联残疾预防与控制研究中心) 一种评估系统及评估方法

Also Published As

Publication number Publication date
WO2021005006A3 (de) 2021-03-04
DE102019118399A1 (de) 2021-01-14

Similar Documents

Publication Publication Date Title
DE112005002207B4 (de) Laufroboter unter Verwendung passiver Änderungen in Gelenkwinkeln und Steuerverfahren davon
DE60131377T2 (de) Geschwindigkeitsangepasste und patientenangepasste knieprothese
EP2506807B1 (de) Adaptives steuerungs- und regelungssystem für prothesen mit willkürlicher steuerung
Aghasadeghi et al. Learning impedance controller parameters for lower-limb prostheses
WO2021005006A2 (de) Verfahren und systeme zum steuern aktiver prothesen
DE102017126259B4 (de) Exoskelett-System, Steuereinrichtung und Verfahren
EP2879622B1 (de) Orthesensteuerung
Tomović et al. A systems approach to muscle control
DE102007053485A1 (de) Roboterhand und Roboter
DE102012009507A1 (de) Vorrichtung und Verfahren zur Bestimmung von Fehlstellungen im Aufbau von Prothesen
Zhong et al. Fuzzy logic compliance adaptation for an assist-as-needed controller on the Gait Rehabilitation Exoskeleton (GAREX)
EP4142657A1 (de) Verfahren zur steuerung zumindest eines aktuators einer orthopädietechnischen einrichtung und orthopädietechnische einrichtung
DE112005001917T5 (de) Roboter auf Beinen, Verfahren zur Steuerung eines Roboters auf Beinen und Vorrichtung und Verfahren zur Erzeugung von Gangdaten
Wiem et al. An adaptive TS fuzzy-PID controller applied to an active knee prosthesis based on Human walk
DE4333820A1 (de) Verfahren zur Steuerung der Bewegung eines vielgliedrig ausgebildeten Manipulators
van der Smagt Benchmarking cerebellar control
Esfanjani et al. Application of nonlinear model predictive controller for FES-assisted standing up in paraplegia
Rai et al. Continuous and unified modeling of joint kinematics for multiple activities
Raheema et al. Design an intelligent hybrid position/force control for above knee prosthesis based on adaptive neuro-fuzzy inference system
Lapre Semi-active damping for an intelligent adaptive ankle prosthesis
Marinelli Design, development and engineering of a bench for testing lower limb prosthesis, with focus on high-technological solutions
Lenzi et al. User-adaptive control of robotic lower limb prostheses
Eslamy et al. Motion planning for active prosthetic knees
Zakaria et al. Forward and inverse predictive model for the trajectory tracking control of a lower limb exoskeleton for gait rehabilitation: Simulation modelling analysis
DE102020102351B9 (de) Verfahren zur Steuerung und Regelung einer Vorrichtung umfassend ein Bewegungsmodul in ihrer Interaktion mit einem Menschen, sowie eine derart gesteuerte Vorrichtung

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20737160

Country of ref document: EP

Kind code of ref document: A2

122 Ep: pct application non-entry in european phase

Ref document number: 20737160

Country of ref document: EP

Kind code of ref document: A2